OpenAI 的 WebRTC 难题:语音 AI 为何不该用为人类设计的协议
2026.11.19 · 收录日 2026.11.20 · 观点 · 技术观点 · 社区热议
作者认为 WebRTC 为实时会议设计,会丢弃迟到音频,不适合语音 AI。
作者 kixelated 再次批评 OpenAI 在语音 AI 中使用 WebRTC:WebRTC 为人类实时会议设计,默认不重传音频、抖动缓冲也不等待重传,丢包时用户只能重复说话。他主张改用 MoQ,最多重传 5 秒,因为 LLM 受上下文阻塞,最后几个包才是关键,而 1 秒 Opus @ 64Kbps 仅 8KB,重传成本很低。
- WebRTC 为会议通话设计,会激进丢弃迟到音频包以保实时性,默认关闭音频重传
- 丢包时语音 AI 可能回复“你断线了,请重复”,用户只能靠人肉重传
- LLM 受上下文阻塞,真正关键的是最后一个包的延迟,而非全程实时
- MoQ 方案最多重传 5 秒,1 秒 Opus @ 64Kbps 仅 8KB,可拆成约 6 个 QUIC 包重传
- 作者认为语音 AI 按硅基时钟处理音频,可快于实时,不必迁就人类节奏
为什么值得看
理解语音 AI 与实时会议在传输层需求上的根本差异。
适合谁关注
语音 AI 开发者、实时音视频工程师、LLM 应用团队。
